Выделение фенотипов пароксизмальной формы фибрилляции предсердий на основе характеристик вариабельности сердечного ритма
- Авторы: Марков Н.С.1,2, Ушенин К.С.1,2,3, Божко Я.Г.1, Архипов М.В.1, Соловьёва О.Э.2,3
-
Учреждения:
- Уральский государственный медицинский университет
- Уральский Федеральный университет
- Институт иммунологии и физиологии Уральского отделения Российской академии наук
- Выпуск: Том 102, № 5 (2021)
- Страницы: 778-787
- Тип: Обмен клиническим опытом
- Статья получена: 05.10.2021
- Статья одобрена: 05.10.2021
- Статья опубликована: 13.10.2021
- URL: https://kazanmedjournal.ru/kazanmedj/article/view/82473
- DOI: https://doi.org/10.17816/KMJ2021-778
- ID: 82473
Цитировать
Открытый доступ
Доступ предоставлен
Аннотация
Цель. Методами разведочного анализа данных суточного мониторирования электрокардиограммы проанализировать показатели вариабельности сердечного ритма у пациентов с пароксизмальной формой фибрилляции предсердий и выделить электрофизиологические фенотипы заболевания.
Методы. Из открытой базы c записями суточного мониторирования электрокардиограммы по Холтеру «The Long-Term Atrial Fibrillation Database» (репозиторий — PhysioNet) выделены 64 электрокардиографических сигнала, записанных у пациентов с пароксизмальной формой фибрилляции предсердий, и на их основе рассчитаны 52 показателя вариабельности сердечного ритма, включая новые индексы фрагментации и асимметрии сердечного ритма, предложенные за последние 5 лет. Анализ данных проведён с применением методов машинного обучения: снижение размерности методом главных компонент, иерархическая кластеризация, выделение выбросов в данных. Скоррелированность признаков верифицирована критерием Пирсона, выделенные подгруппы пациентов были подтверждены с помощью критериев Манна–Уитни и Стьюдента.
Результаты. Для подавляющего большинства пациентов с пароксизмальной формой фибрилляции предсердий вариабельность сердечного ритма может быть описана пятью параметрами, охватывающими пять отдельных подходов к её спецификации: описание дисперсии хронограммы, подсчёт частотных характеристик хронограммы, индексы фрагментации ритма, индексы асимметрии ритма, средние и медианные значения хронограммы. На основе данных параметров выделены два больших фенотипа заболевания: первый — ваготонический профиль с достоверным увеличением линейных парасимпатических индексов, длительностью пароксизма фибрилляции предсердий более 4,5 ч; второй профиль — с увеличенными значениями симпатических индексов, низкими значениями парасимпатических индексов и длиной пароксизмов до 4,5 ч.
Вывод. Результаты свидетельствуют о потенциале нелинейного анализа в исследовании вариабельности ритма и демонстрируют целесообразность дальнейшей инкорпорации нелинейных индексов для решения задачи фенотипирования нарушений сердечного ритма.
Полный текст
Об авторах
Никита Сергеевич Марков
Уральский государственный медицинский университет; Уральский Федеральный университет
Email: yakov-bozhko@yandex.ru
Россия, г. Екатеринбург, Россия; г. Екатеринбург, Россия
Константин Сергеевич Ушенин
Уральский государственный медицинский университет; Уральский Федеральный университет; Институт иммунологии и физиологии Уральского отделения Российской академии наук
Email: yakov-bozhko@yandex.ru
Россия, г. Екатеринбург, Россия; г. Екатеринбург, Россия; г. Екатеринбург, Россия
Яков Григорьевич Божко
Уральский государственный медицинский университет
Автор, ответственный за переписку.
Email: yakov-bozhko@yandex.ru
Россия, г. Екатеринбург, Россия
Михаил Викторович Архипов
Уральский государственный медицинский университет
Email: yakov-bozhko@yandex.ru
Россия, г. Екатеринбург, Россия
Ольга Эдуардовна Соловьёва
Уральский Федеральный университет; Институт иммунологии и физиологии Уральского отделения Российской академии наук
Email: yakov-bozhko@yandex.ru
Россия, г. Екатеринбург, Россия; г. Екатеринбург, Россия
Список литературы
- Inohara T., Shrader P., Pieper K., Blanco R.G., Thomas L., Singer D.E., Freeman J.V., Allen L.A., Fonarow G.C., Gersh B., Ezekowitz M.D. Association of atrial fibrillation clinical phenotypes with treatment patterns and outcomes: a multicenter registry study. JAMA Cardiol. 2018; 3 (1): 54–63. doi: 10.1001/jamacardio.2017.4665.
- Goyal P., Almarzooq Z.I., Cheung J., Kamel H., Krishnan U., Feldman D.N., Horn E.M., Kim L.K. Atrial fibrillation and heart failure with preserved ejection fraction: insights on a unique clinical phenotype from a nationally-representative United States cohort. Intern. J. Cardiol. 2018; 266: 112–118. doi: 10.1016/j.ijcard.2018.02.007.
- Husser D., Büttner P., Ueberham L., Dinov B., Sommer P., Arya A., Hindricks G., Bollmann A. Association of atrial fibrillation susceptibility genes, atrial fibrillation phenotypes and response to catheter ablation: a gene-based analysis of GWAS data. J. Translational Med. 2017; 15: 71. doi: 10.1186/s12967-017-1170-3.
- Banerjee A., Allan V., Denaxas S., Shah A., Kotecha D., Lambiase P.D., Joseph J., Lund L.H., Hemingway H. Subtypes of atrial fibrillation with concomitant valvular heart disease derived from electronic health records: phenotypes, population prevalence, trends and prognosis. EP Europace. 2019; 21 (12): 1776–1784. doi: 10.1093/europace/euz220.
- Dimmer C., Szili-Torok T., Tavernier R., Verstraten T., Jordaens L.J. Initiating mechanisms of paroxysmal atrial fibrillation. Europace. 2003; 5 (1): 1–9. doi: 10.1053/eupc.2002.0273.
- Kusayama T., Wan J., Doytchinova A., Wong J., Kabir R.A., Mitscher G., Straka S., Shen C., Everett IV T.H., Chen P.S. Skin sympathetic nerve activity and the temporal clustering of cardiac arrhythmias. JCI Insight. 2019; 4 (4): e125853. doi: 10.1172/jci.insight.125853.
- Shaffer F., Ginsberg J.P. An overview of heart rate variability metrics and norms. Front. Public Health. 2017; 5: 258. doi: 10.3389/fpubh.2017.00258.
- Piskorski J., Guzik P. Asymmetric properties of long-term and total heart rate variability. Med. Biol. Engineering & Computing. 2011; 49 (11): 1289–1297. doi: 10.1007/s11517-011-0834-z.
- Yan C., Li P., Ji L., Yao L., Karmakar C., Liu C. Area asymmetry of heart rate variability signal. Biomed. Engineering Online. 2017; 16 (1): 112. doi: 10.1186/s12938-017-0402-3.
- Costa M.D., Davis R.B., Goldberger A.L. Heart rate fragmentation: a new approach to the analysis of cardiac interbeat interval dynamics. Front. Physiol. 2017; 8: 255. doi: 10.3389/fphys.2017.00255.
- Petrutiu S., Sahakian A.V., Swiryn S. Abrupt changes in fibrillatory wave characteristics at the termination of paroxysmal atrial fibrillation in humans. Europace. 2007; 9 (7): 466–470. doi: 10.1093/europace/eum096.
- Gan G., Ma C., Wu J. Data clustering: theory, algorithms, and applications. Philadelphia: SIAM. 2020. 406 p. doi: 10.1137/1.9781611976335.bm.
- Majeed F., Asim M., Ali Abbas S., Jaleel A., Majid A., Awais Hassan M., Ahmad F., Shafiq M. Detection of atrial fibrillation and normal sinus rhythm using multiple machine learning classifiers. J. Med. Imag. Health Inform. 2021; 11 (5): 1453–1462. doi: 10.1166/jmihi.2021.3447.
- Piccirillo G., Ogawa M., Song J., Chong V.J., Joung B., Han S., Magrì D., Chen L.S., Lin S.F., Chen P.S. Power spectral analysis of heart rate variability and autonomic nervous system activity measured directly in healthy dogs and dogs with tachycardia-induced heart failure. Heart Rhythm. 2009; 6 (4): 546–552. doi: 10.1016/j.hrthm.2009.01.006.
- Chen P.S., Chen L.S., Fishbein M.C., Lin S.F., Nattel S. Role of the autonomic nervous system in atrial fibrillation: pathophysiology and therapy. Circulation Res. 2014; 114 (9): 1500–1515. doi: 10.1161/CIRCRESAHA.114.303772.
Дополнительные файлы
